Zala Zupan at 16:33, 26 May 2026

2026-05-26T16:33:35Z

Zala Zupan: Created page with "Mystiphage: Generativna AI platforma za personalizirano fagoterapijo in premagovanje antibiotične rezistence KRIZA MODERNE MEDICINE Danes vam bom predstavila projekt Mystiphage, s katerim je študentska ekipa iGEM Toronto dosegla velik uspeh. Sodobna medicina je v današnjem času na robu prepada, zaradi vse večjega pojava antibiotične rezistence oziroma mikrobne odpornosti na antibiotike. Zaradi pretirane in napačne uporabe antibiotikov v humani medicini in kmetijst..."

2026-05-26T16:31:55Z

Created page with "Mystiphage: Generativna AI platforma za personalizirano fagoterapijo in premagovanje antibiotične rezistence KRIZA MODERNE MEDICINE Danes vam bom predstavila projekt Mystiphage, s katerim je študentska ekipa iGEM Toronto dosegla velik uspeh. Sodobna medicina je v današnjem času na robu prepada, zaradi vse večjega pojava antibiotične rezistence oziroma mikrobne odpornosti na antibiotike. Zaradi pretirane in napačne uporabe antibiotikov v humani medicini in kmetijst..."

New page

Mystiphage: Generativna AI platforma za personalizirano fagoterapijo in premagovanje antibiotične rezistence
KRIZA MODERNE MEDICINE
Danes vam bom predstavila projekt Mystiphage, s katerim je študentska ekipa iGEM Toronto dosegla velik uspeh.
Sodobna medicina je v današnjem času na robu prepada, zaradi vse večjega pojava antibiotične rezistence oziroma mikrobne odpornosti na antibiotike. Zaradi pretirane in napačne uporabe antibiotikov v humani medicini in kmetijstvu so bakterije razvile obrambne mehanizme proti skoraj vsem obstoječim razredom protimikrobnih zdravil. Svetovna zdravstvena organizacija opozarja, da je antibiotična rezistenca ena največjih groženj javnemu zdravju. Statistični modeli in projekcije kažejo zelo pesimistične napovedi: do leta 2050 bi lahko zaradi okužb z odpornimi bakterijami (t.i. superbakterijami) na svetu umrlo več kot 39 milijonov ljudi. Vstopamo torej v post-antibiotično ero, kjer bi lahko navadne ureznine ali rutinske operacije ponovno postale usodne.
Kot izjemno obetavna alternativa se ponuja fagoterapija – uporaba bakteriofagov, virusov, ki okužujejo in uničujejo izključno bakterijske celice, za ljudi pa so popolnoma nenevarni. Vendar se tradicionalna fagoterapija sooča z resnim logističnimi in biološkimi omejitvami. Fagi so evolucijsko razvili zelo ozko specifičnost; pogosto lahko okužijo le določen sev znotraj iste bakterijske vrste.
Ko pacient v bolnišnici umira zaradi okužbe z bakterijo odporno na antibiotik, trenutni protokol zahteva "iskanje in ujemanje". Znanstveniki morajo vzorčiti okolje (npr. odpadne vode), izolirati fage, jih v laboratoriju testirati proti pacientovemu sevu in upati na uspeh. Ta proces v praksi traja tedne ali celo mesece. Medtem ko mi iščemo primeren fag, bakterije v pacientu mutirajo in časovno okno za uničenje le te se zmanjšuje. Ekipa iGEM Toronto je zato postavila zelo zanimivo vprašanje: Kaj če namesto dolgotrajnega iskanja fagov v naravi, fagne proteine preprosto računalniško reprogramiramo in natisnemo v nekaj urah?
SUHI LAB (DRY LAB)
Odgovor ekipe na ta izziv je PHORAGER kar je kratica za: Phage Host-Optimized Receptor-Activated Generative Engineering Repository. To je napreden, celovit računalniški algoritem, ki uporablja sistem umetne inteligence za specifično preoblikovanje receptorsko-vezavnih domen (RBD) v fagnih proteinih. S spreminjanjem teh domen lahko fagu poljubno zamenjamo tarčo in mu omogočimo napad na prej odporno bakterijo.
Celotna procesna veriga PHORAGER deluje skozi štiri ključne, visoko tehnološke faze:
A. Sistematična validacija podatkov
Umetna inteligenca je dobra le toliko, kolikor so dobri podatki, na katerih se uči. Ekipa je identificirala pomanjkanje standardiziranih podatkov o fagnih receptorskih proteinih. Zato so ročno in avtomatizirano zbrali ter ovrednostili obsežno podatkovno bazo aminokislinskih sekvenc receptorsko vezavnih domen iz fagov, ki napadajo bakterije iz rodu Escherichia. Za odstranitev ponavljajočih in preveč podobnih sekvenc so uporabili algoritem CD-HIT, s čimer so ustvarili visoko kakovostno, očiščeno in raznoliko podatkovno zbirko, ki služi kot temelj na kateri se uči ta umetna inteligenca.
B. Generativno oblikovanje z modelom ESM-3
V naslednjem koraku so uporabili ESM-3, enega najnaprednejših proteinskih jezikovnih modelov na svetu. Preko procesa, ki mu v računalniški biologiji pravimo računalniško generiranje proteinov (de novo protein design), je model generiral popolnoma nove aminokislinske sekvence za fagne vezavne proteine. Ti proteini v naravi ne obstajajo, vendar so matematično optimizirani tako, da ohranjajo stabilno tridimenzionalno strukturo, hkrati pa kažejo nove fizikalno-kemijske lastnosti.
C. Simulacija sočasnega zvijanja proteinov z Boltz-2
Ko model generira sekvenco, je potrebno preveriti, ali se bo ta v prostoru pravilno zvila in se dejansko vezala na bakterijski receptor (npr. zunanji membranski protein ali lipopolisaharid). Za to so uporabili najsodobnejši strukturni napovedovalni model Boltz-2. Model je izvedel simulacijo sočasnega zvijanja proteina (co-folding), s katero so natančno izračunali interakcijsko površino in prostorsko ujemanje med novim fagnim proteinom in tarčnim receptorjem patogene bakterije.
D. Ciklična optimizacija z algoritmom MCMC
Da bi dosegli maksimalno afiniteto vezave, so v sistem integrirali algoritem MCMC (Markov Chain Monte Carlo). Ta algoritem uvaja drobne, naključne mutacije v računalniško generirano sekvenco in skozi tisoče cikličnih optimizacij ocenjuje energijsko stabilnost vezi. Rezultat tega procesa je končna, visoko optimizirana sekvenca fagnega proteina, pripravljena za sintezo, ki se z visoko specifičnostjo veže na izbrano tarčo.
MOKRI LAB (WET LAB)
Prehod iz digitalnega sveta v biološko realnost je ključen korak vsakega iGEM projekta. Wet Lab ekipa iz Toronta je vzela teoretične napovedi platforme PHORAGER in jih uspešno potrdila in vitro.
Laboratorijska potrditev delovanja
Proces so začeli z naročilom sintezne DNA za načrtovane fagnih proteinov. Te genetske konstrukte so s pomočjo molekularnega kloniranja vstavili v ekspresijske vektorje in jih transformirali v kompetentne celice bakterije Escherichia coli. Po indukciji izražanja proteinov so izvedli afinitetno kromatografijo za izolacijo in čiščenje modificiranih fagnih receptorsko-vezavnih proteinov.
Ključne rezultate za potrditev uspešnosti so dobili s testom fagne lize bakterijskih celic. Na petrijevke so nanesli seve bakterij, ki so bili pred tem popolnoma odporni na naravne fage. Ko so na te bakterijske kolonije nanesli umetno ustvarjene fage, ki so jim vstavili z umetno inteligenco načrtovane receptor-vezavne proteine, so opazovali nastanek čistih con lize (prozornih krogov, kjer so bakterije odmrle). To je bil neizpodbiten dokaz: PHORAGER je uspešno spremenil specifičnost faga.
Strojna oprema EVADE: Ciljana dostava v mikrobiom
Uspešen terapevtik pa potrebuje tudi varen in učinkovit dostavni sistem. Ekipa je ugotovila, da bi oralno zaužiti fagi težko preživeli nizek pH človeškega želodca, poleg tega pa bi se lahko nenadzorovano sprostili v napačnih delih prebavnega trakta.
Zato so oblikovali in izdelali prototip strojne opreme z imenom EVADE (Enteric Volumetric Automated Delivery Engine). Gre za biomedicinsko napravo, ki deluje kot pametna kapsula ali dostavni sistem za črevesni mikrobiom. EVADE uporablja fizikalno-kemijske senzorje (ki zaznavajo spremembe pH in specifičnih encimov), s čimer zagotovi, da se terapevtski fagi sprostijo natanko v tistem delu črevesja, kjer se nahaja žarišče okužbe. S tem so zaščitili občutljive fagne strukture pred uničenjem in hkrati preprečili motnje v zdravem delu mikrobioma.
DRUŽBENI VPLIV IN PODJETNIŠTVO
Projekt Mystiphage pa ne izstopa le zaradi vrhunske znanosti, temveč zaradi celostnega družbenega pristopa.
Prispevek skupnosti
V duhu družbene koristnosti je ekipa iGEM Toronto poskrbela, da njihovo delo ne bo ostalo samo v laboratoriju. Celotno kodo platforme PHORAGER, njihove ovrednotene in očiščene podatkovne baze ter podrobne laboratorijske protokole za ekspresijo proteinov so objavili na javno dostopnem GitLab repozitoriju. To pomeni, da lahko katerikoli raziskovalec ali prihodnja iGEM ekipa kjerkoli na svetu vzame njihov algoritem, vanj vnese podatke za poljubno drugo bakterijo (npr. Pseudomonas aeruginosa ali Staphylococcus aureus) in takoj začne generirati fage za specifične bolnišnične okužbe.
Izobraževanje in vključevanje javnosti
Ekipa je aktivno delovala na področju znanstvene komunikacije. Organizirali in sooblikovali so večmesečna izobraževanja ter odmevne študentske dogodke. Skozi te dogodke so mlajšim študentom in dijakom približali koncepte sintezne biologije in računalniškega učenja ter jih spodbudili k reševanju sodobnih medicinskih izzivov.
Poslovna vizija
Da projekt ne bi ostal le akademska vaja, je ekipa vstopila v univerzitetni podjetniški inkubator. Razvili so okviren poslovni načrt, ki Mystiphage predstavlja kot model neposrednega sodelovanja z zdravstvenimi ustanovami. Vizija podjetja je ponuditi storitev, kjer bolnišnica sekvencira odporen bakterijski sev, s katerim je okužen pacient, podatke pošlje platformi Mystiphage, ta pa v nekaj urah oblikuje personaliziran fagni koktajl, prilagojen točno določenemu pacientu.
ZAKLJUČEK IN REZULTATI
Projekt Mystiphage predstavlja tisto, kar je največja prednost sintezne biologije: združitev računalniške naprednosti, laboratorijskega uspeha in inženirske praktičnosti za reševanje velikega globalnega problema.
Ta celovit pristop je ekipi iGEM Toronto prinesel izjemen uspeh na svetovnem tekmovanju, kjer se vsako leto zbere več tisoč najboljših mladih znanstvenikov z vsega sveta.
S tem projektom so dokazali, da se prihodnost medicine ne skriva v nenehnem iskanju in izkopavanju novih molekul v naravi, temveč v njihovem pametnem, podatkovno vodenem programiranju. S tem ko so združili generativni model umetne inteligence in biologijo fagov, so odprli nova vrata v boju proti rezistentnim bakterijskim sevom in postavili temelj za pravo personalizirano medicino sodobnega časa.
Viri in literatura:
https://2025.igem.wiki/toronto/contribution/
https://teams.igem.org/5708

Mystiphage - Revision history

Zala Zupan at 16:33, 26 May 2026